基于有限差分扩展卡尔曼滤波的锂离子电池SOC估计

锂离子电池荷电状态的快速准确估计是电池管理系统的关键技术。针对锂离子电池这一动态非线性系统,以二阶RC等效电路模型为基础,采用递推最小二乘法估算模型参数,运用有限差分扩展卡尔曼滤波算法对电池荷电状态进行估算。仿真结果表明,该模型能较好地体现电池的动态特性,有限差分扩展卡尔曼滤波算法在估算过程中能保持很好的精度,并可以有效地减小由模型误差引入的荷电状态估计误差。

基于中心差分扩展卡尔曼滤波的电源频率估计

针对扩展卡尔曼滤波算法(EKF)和无迹卡尔曼滤波算法(UKF)在处理飞机供电系统的交流电压频率估计方面所表现出的估计精度和实时性问题,提出了一种采用中心差分计算EKF中非线性函数一阶导数的基于中心差分扩展卡尔曼滤波(CDEKF)算法。理论分析和仿真表明:CDEKF虽然计算时间比EKF稍有增加,但比UKF的计算时间少,而计算精度比EKF有显著提高,与UKF的计算精度相当。

基于中心差分扩展卡尔曼滤波算法的三相感应电机转速和转矩的估计

针对三相感应电机在转速和转矩测试过程中,存在采集数据易受外界干扰而导致转速和转矩等估计值出现较大偏差的问题,提出采用中心差心扩展卡尔曼滤波算法实现对三相感应电机转速和转矩的估计.首先,以三相感应电机的定子和转子电流作为状态变量,推导出了三相感应电机在α-β坐标系下的状态方程和输出方程.然后,采用中心差分扩展卡尔曼滤波算法实现对三相感应电机转速和转矩的解算.仿真结果表明,与扩展卡尔曼滤波算法相比,中心差分扩展卡尔曼滤波算法对电机运行状态的变化具有更好的跟随性能及更快的收敛速度,能够准确的估计三相感应电机的转速和转矩.

基于改进DEKF锂离子电池容量与SOC协估计

为解决矿井复杂环境下电机车锂离子电池的过充或过放对电池产生不可逆的容量损耗问题,提出一种基于有限差分双扩展卡尔曼滤波(FDDEKF)矿用电机车锂离子电池容量与荷电状态(SOC)协估计框架。针对扩展卡尔曼滤波器(EKF)线性化误差问题,采用有限差分改进DEKF。基于二阶电阻-电容(RC)模型,利用遗忘因子递推最小二乘法(FFRLS)进行模型参数辨识,基于时变的模型参数,利用改进DEKF对容量和SOC在分离时间尺度上实时在线估计。不同工况下实验结果表明,该方法能有效提高电池SOC的估计精度,与恒流工况相比,该方法在动态电机车工况下更适用,SOC估计均方根误差降低了0.65%,SOC估计最大绝对误差降低至0.38%。

电流自适应控制抑制开关磁阻电机转矩脉动

开关磁阻电机(SRM)的强非线性源自其双凸极结构、磁路非线性和脉冲供电方式。传统控制多采用SRM线性转矩模型求得参考电流,导致其运行时转矩脉动大。提出基于转矩偏差的双权值神经网络(DWNN)自适应PID控制与基于有限差分扩展卡尔曼滤波(FDEKF)预测电流的前馈补偿控制相结合的SRM控制策略。(1)加入偏差预处理,对转矩偏差进行非线性处理,实现"小误差,大增益,大误差,小增益"的控制,以此为基础进行双权值神经网络自适应PID的电流控制;(2)采用预测电流,构成参考电流的前馈补偿控制,提高控制系统一步预测能力。基于有限差分扩展卡尔曼滤波预测电流,将其与参考电流之差实时补偿参考电流,优化得到恒转矩下有效的控制电流,间接实现总转矩的有效控制。仿真结果证明所提控制策略能有效抑制SRM的转矩脉动。

融合激光SLAM实现无人驾驶轮椅空间定位优化

移动机器人空间定位是实现无人驾驶的重要环节,但仅使用单一传感器进行定位会产生定位误差,且误差会不断累积。为提高对移动机器人的空间定位精度,提出了一种融合3种传感器的空间定位方法,即激光雷达(LiDAR)、惯性测量单元(IMU)、光电编码器三种传感器。首先,采用扩展卡尔曼滤波算法融合了基于距离流算法的光电里程计信息、IMU偏航数据信息及双光电编码器的轮式里程计信息;其次,通过对扩展卡尔曼滤波进行差分改进来消除在融合过程中因存在两个绝对姿态信息而产生的振荡现象;最后,在自主搭建的无人驾驶轮椅移动平台上对优化后的定位精度进行了实验验证。经多次重复实验的结果表明,多传感器融合优化后的轨迹在定位偏差最值和绝对误差均值方面均较真实运动轨迹有明显降低,且环境越复杂优化效果越好,表明所提方法可有效提高无人驾驶轮椅的空间定位精度。